Linux环境下追踪指定PID进程的内存分配变化

以下是几种比基于strace自定义脚本更成熟、易用的方案，覆盖不同场景需求：

1. psrecord：轻量进程资源监控与绘图 #

这是专门用于记录进程CPU、内存使用趋势的工具，底层读取/proc文件系统，开销极低，适合长期监控：

• 安装：pip install psrecord
• 使用：

  psrecord <PID> --plot memory_trend.png --interval 1
  

  其中--interval指定采样间隔（秒），执行后会生成包含RSS（常驻内存）、VSZ（虚拟内存）随时间变化的曲线图，同时还会输出CPU使用率数据。

2. memory-profiler：内存分配细节跟踪（支持Python进程及外部进程） #

原本为Python代码内存分析设计，但也可附加到运行中的任意进程：

• 安装：pip install memory-profiler
• 使用：
  1. 附加到目标进程开始记录：

     mprof run --pid <PID>
     

  2. 生成曲线图：

     mprof plot
     

  它会生成包含内存分配峰值、波动细节的图表，若目标是Python进程，还能关联到具体代码行的内存消耗。

3. perf：系统级内存调用跟踪与自定义绘图 #

Linux自带的性能分析工具，可精准跟踪内存相关系统调用事件：

• 记录内存分配/释放事件：

  perf record -e kmem:mmap,kmem:munmap,kmem:brk -p <PID> -o perf.data
  

• 导出原始数据：

  perf script > memory_events.txt
  

• 后续可使用Python（pandas+matplotlib）或gnuplot处理memory_events.txt，提取时间、内存变化量绘制曲线。优点是精度高，能获取底层分配的地址、大小等细节。

4. bpftrace：低开销实时内存跟踪 #

基于eBPF的工具，对目标进程性能影响极小，适合生产环境监控：

• 编写简单跟踪脚本（比如memory_trace.bt）：

  BEGIN {
      printf("%-8s %-10s %-12s\n", "TIME", "PID", "MEM_CHANGE(KB)");
  }
  
  kmem:mmap,kmem:brk {
      time("%H:%M:%S ");
      printf("%-10d %-12.2f\n", pid, args->size / 1024.0);
  }
  
  kmem:munmap {
      time("%H:%M:%S ");
      printf("%-10d %-12.2f\n", pid, -args->size / 1024.0);
  }
  

• 运行脚本跟踪目标进程：

  bpftrace -p <PID> memory_trace.bt > memory_data.csv
  

• 导出的数据可直接导入Excel或用Python绘图，能实时看到内存的分配/释放变化。

5. 自定义脚本+gnuplot：高度灵活的指标监控 #

如果需要自定义采集的内存指标（比如共享内存、缓存等），可以直接读取/proc/[PID]/statm或/proc/[PID]/status，结合gnuplot绘图：

• 采集数据的shell脚本（mem_collector.sh）：

  #!/bin/bash
  PID=$1
  OUTPUT="memory_stats.csv"
  echo "timestamp,rss_mb,vsz_mb" > $OUTPUT
  while true; do
      TS=$(date +%Y-%m-%d_%H:%M:%S)
      STATM=$(cat /proc/$PID/statm)
      RSS=$(echo $STATM | awk '{print $2 * 4096 / 1024 / 1024}')
      VSZ=$(echo $STATM | awk '{print $1 * 4096 / 1024 / 1024}')
      echo "$TS,$RSS,$VSZ" >> $OUTPUT
      sleep 1
  done
  

• 运行脚本：./mem_collector.sh <PID>
• gnuplot绘图脚本（plot_mem.gp）：

  set datafile separator ","
  set terminal png size 1200,600
  set output "mem_trend.png"
  set xdata time
  set timefmt "%Y-%m-%d_%H:%M:%S"
  set format x "%H:%M:%S"
  set xlabel "Time"
  set ylabel "Memory (MB)"
  plot "memory_stats.csv" using 1:2 title "RSS" with lines lw 2, \
       "memory_stats.csv" using 1:3 title "VSZ" with lines lw 2
  

• 生成图表：gnuplot plot_mem.gp

方案对比 #

• 你的strace方案：能精准跟踪内存调用，但性能开销较大，不适合长期监控；
• 轻量监控：优先选psrecord或自定义/proc采集脚本；
• 精准底层分析：用perf或bpftrace；
• Python进程深度分析：用memory-profiler。

内容的提问来源于stack exchange，提问作者Tabish Mir